基于局部离群因子的城市轨道交通行车安全防护设备状态监控系统

为了实现对城市轨道交通行车安全防护设备的智能化监控,提出基于局部离群因子的城市轨道交通行车安全防护设备状态监控系统设计方法。将安全设备的状态监控系统分为火灾自动报警系统、屏蔽门/安全门、广播系统、乘客信息系统等,结合对城市轨道交通行车安全防护设备安全影响因素,进行车辆段及设备应用配置分析,通过设施配备标准体系优化设计,实现对消防设施和综合监控设施配置,采用软件系统和预警接收单元联合控制的方法,采用局部离群因子检测,实现对城市轨道交通行车安全的烈度速报及视觉控制,实现城市轨道交通行车安全防护设备状态特征分析,提高状态监测的可靠性。测试结果表明,采用该方法进行城市轨道交通行车安全防护设备状态监控的可靠性较高,提高城市轨道交通的安全保障度。     

城市轨道交通综合监控系统的技术发展

本文通过分析城市轨道交通综合监控系统的技术现状,结合自动化、信息化、智能化在工业应用中深度融合的趋势,指出城市轨道交通综合监控系统将在现有以实时监控为主要应用目的的基础上,通过引入多核并行处理、服务器集群、移动应用等主流信息技术,将具备海量数据处理的能力,可满足用户不断增长的信息集成要求和信息安全要求,支撑和引领综合监控系统向智能化方向发展。最后,本文提出了一种新一代城市轨道交通综合信息管理系统的系统框架。     

一种基于密度的局部离群点检测算法DLOF

离群点可分为全局离群点和局部离群点.在很多情况下,局部离群点的挖掘比全局离群点的挖掘更有意义.提出了一种基于密度的局部离群点检测算法DLOF.该方法通过引入信息熵用于确定各对象的离群属性,在计算各对象之间的距离时采用加权距离,并给离群属性较大的权重,从而提高离群点检测的准确度.另外,该算法在计算离群因子时,采用了两步优化技术,并对采用这两步优化技术后算法的时间复杂度进行了详细分析.理论分析和实验结果表明了该方法是有效可行的.     

基于局部估计密度的局部离群点检测算法

局部离群点检测是近年来数据挖掘领域的热点问题之一.针对交通数据去噪问题,提出一种基于局部估计密度的局部离群点检测算法,算法使用核密度估计方法计算每个数据对象的密度估计值,来表示该数据对象的局部估计密度,并在核函数的带宽函数计算中引入数据对象的k-邻域平均距离作为其邻域信息,然后利用求出的局部估计密度计算数据对象的局部离群因子,依据局部离群因子的大小来判断数据对象是否为离群点.实验表明,该算法在UCI标准数据集与模拟数据集上都可以取得较好的表现.     

现代城市轨道交通综合监控系统的设计理念

本文首先简要的介绍了轨道交通综合监控建设的必要性,给出了现代城市轨道交通综合监控系统的整体框架,并根据实际需求,讨论了城市轨道交通综合监控系统的设计理念及其不足之处。     

工业过程数据异常检测的改进局部离群因子法

局部离群因子(LOF)是对过程数据的局部离群程度的定义,然而工业过程对数据异常检测的实时性要求高,要求出所有采样点的离群因子计算量较大。故本文对LOF算法进行相应的改进,采用k-近邻计算对象的局部可达密度,同时利用1种预处理采样点的方法CDC(Closest Distance to Center),通过计算每个点到中心点的距离先对采样点进行修剪,剔除大部分不可能是离群点的采样点,只需要计算剩余点改进的LOF值,从而提高离群点检测的效率。最终通过对TE过程数据仿真,说明在保证离群点检测准确性的情况下,相比于LOF缩短了算法运行的时间。     

城市轨道交通综合监控系统网络安全方案设计

城市轨道交通综合监控系统保障着地铁的正常运行,在保证列车、乘客和工作人员的安全方面发挥重要作用,提升轨道交通的服务质量和综合运营效率.本文按照等级保护要求,结合实际业务系统,对地铁综合监控系统的网络安全问题进行充分调研及详细分析,提出的信息安全保障体系既满足实际业务需要,又符合等级保护二级系统要求.     

城市轨道交通综合监控系统仿真平台的发展研究

城市轨道交通综合监控系统仿真平台能够有效培养地铁从业人员,提高地铁调度、运营、维护人员的水平,近年来城市轨道交通综合监控系统软件的应用研究已更侧重于线网建设、深度集成、智慧车站、无人驾驶、综合安防及运维、云平台、大数据等领域,传统的城市轨道交通综合监控系统仿真平台已无法满足当前城市轨道交通综合监控系统建设和运营的需要。本文从轨道交通综合监控仿真平台的发展,对未来城市轨道交通综合监控系统仿真平台建设做一个展望。     

城市轨道交通综合监控系统组成及应用

交通是城市命脉,同时,也是社会发展的重要影响因素,完善的交通系统,是城市乃至于一个国家发展的重要标志,我国对交通环境的建设也非常关注。近年来,我国大力的开展城市轨道交通综合监控系统建设,此系统的实现,可以对交通进行精细化管控,是各项高新技术与城市交通管控系统相融合的重要标志,同时,也是城市发展到一定阶段的必然产物,城市轨道交通综合监控系统的应用具有非常重要的意义。本文对此进行分析,并且提出了几点浅见。     

基于城市轨道交通电气安全技术分析

城市轨道交通作为交通系统中的重要一环。在技术不断革新进步的影响下,其性能与种类越加多样化,规模与数量呈现不断增长的趋势。城市轨道交通内部系统的建设较为繁杂多样,所具备的优势也极其显著,可承载力度大,运行的速度也极快,同时能源排放较低,是绿色环保的出行方式。而城市轨道交通的稳定运输主要依赖于电气系统的相关应用,借助其所产生的物理作用加强运行状态的稳定性以及行驶过程中运行的速度。为了进一步确保城市轨道交通运输的安全与稳定,做好其安全技术的运用工作极其重要。因此,文章以城市轨道交通为主要研究对象,对其中的电气安全技术进行分析。     

基于离群点检测的学生学习状态分析方法

针对高校学生工作者任务繁多且直接管理的学生人数众多,难于对每个学生进行个性化的学习指导的实际问题,提出基于离群点检测的学生学习状态分析方法,将有限的教育资源分配给最迫切需求的学生。使用基于密度的局部离群点检测算法对学生考试成绩数据进行挖掘,找出可疑离群学生,然后对可疑离群学生进行学习状态分析。案例研究结果表明,本方法能够有效地找出学习状态异常的学生,可以提升高校学生工作者的管理效率。     

基于统计模量和局部近邻标准化的局部离群因子故障检测方法

针对多工况过程数据的批次不等长、中心漂移、工况结构不同等特点,提出基于统计模量和局部近邻标准化的局部离群因子故障检测方法（SP-LNS-LOF）。首先计算每个训练样本的统计模量;然后使用局部近邻集标准化统计模量,得到标准样本;最后计算标准化样本的局部离群因子,并将其作为检测指标,将局部离群因子的分位点作为检测控制限,当在线样本的局部离群因子大于检测控制限时,判定其为故障;否则为正常。统计模量提取过程的主要信息,且消除批次不等长的影响;局部近邻标准化克服工况中心漂移和工况结构不同的困难;局部离群因子度量样本的相似度,实现故障样本和正常样本的分离。进行了半导体蚀刻过程故障检测仿真实验,实验结果表明SP-LNS-LOF检测出了全部21个故障,比主元分析（PCA）、核主元分析（kPCA）、基于k近邻的故障检测（FD-kNN）、局部离群因子（LOF）方法具有更高的检测率。理论分析和仿真实验说明SP-LNS-LOF方法适用于多工况过程故障检测,具有较高的故障检测效率,能保证多工况生产过程的安全性。     

基于云平台的城市轨道交通综合监控系统设计与实现

为了改善城市拥堵现象,实现城市轨道交通综合监控系统的自动化、信息化,基于云技术与城市轨道交通综合监控系统的结合,提出基于云平台建立城市轨道交通综合监控系统的方案。凭借城市轨道交通综合监控系统的应用优势及技术优势,对云平台综合监控系统进行布局设计,为城市轨道交通信息化建设提供良好的技术监督手段。     

城市轨道交通行车综合自动化系统研究

回顾了国内外城市轨道交通行车综合自动化系统的研究状况。介绍了行车综合自动化系统的系统结构、系统特点、系统功能情况。研究了列车自动监督控制系统ATS与综合监控系统信息深度融合的方案,实现了城市轨道交通信息系统中多专业协同工作。     

基于密度的局部离群点检测算法

基于统计学和基于距离的离群点检测都依赖与给定数据点集的全局分布,然而数据通常并非都是均匀分布的。当分析分布密度相差很大的数据时,基于密度的局部离群点检测方法有着很好的识别局部离群点的能力。但存在时间复杂度较大,文章提出了一种改进的算法,能降低时间复杂度,实现有效的局部离群点的检测。     

城市轨道交通列车自动防护系统软件设计

从当前国内城市轨道交通信号系统的实际需求出发,提出一种列车自动防护(ATP)系统。确定基于通信的列车运行控制系统中ATP子系统的开发目标和功能划分,给出系统设计方案和实现方法。使用沈阳地铁1号线的线路数据在仿真平台上进行测试,运行结果表明,该ATP系统能够满足设计目标和要求。     

冗余光纤环网在城市轨道交通电力监控系统中的应用

本文通过对城市轨道交通电力监控系统网络结构发展过程的简介,分析了冗余光纤环网的特点,阐述了冗余光纤环网在轨道交通电力监控系统中的通信策略实现及其对于监控系统实时性和可靠性的提升作用.     

局部空间离群点算法的改进及其实现

LOF算法是一个著名的局部离群点查找方法,该方法赋予了表征每一个空间点偏离程度的数值。但LOF算法存在效率低和性能差的问题,为此对该算法进行了以下两个方面的改进：第一,提出了降低该算法时间复杂度的两步改进方法,并对这两步改进方法的时间复杂度也进行详细分析,第二,使得该算法在查找局部离群点时,不仅考虑了空间属性,也考虑了非空间属性。另外还通过实验测试了LOF算法及其改进方法的时间效率,以及在模拟数据和真实数据情况下的查找离群点的效果。实验结果表明,改进方法具有更好的时间效率和性能。     

基于时空近邻标准化和局部离群因子的复杂过程故障检测

针对复杂过程数据的非线性、动态性和中心漂移等特征,提出了基于时空近邻标准化和局部离群因子的故障检测方法(TSNS–LOF).首先使用训练样本在时空两个方向上的近邻集来标准化训练样本;然后在标准样本集上计算样本的局部离群因子,并确定其上分位点作为检测控制限,进行在线故障检测.时空近邻标准化解决了复杂过程数据的非线性、动态性和中心漂移的问题;局部离群因子通过度量样本的相似度实现了故障样本和正常样本的分离.将TSNS–LOF应用于田纳西–伊斯曼过程(TE)过程进行故障检测实验,结果表明相对于主元分析、动态主元分析、k近邻、局部离群因子等方法, TSNS–LOF对故障预警更加及时且具有更高的故障检测率.理论分析和仿真实验说明TSNS–LOF方法适用于具有动态性或多模态特性或两者兼具的过程故障检测,能够更好地保障生产过程的安全性和产品的高质量.     

一种基于多示例学习的局部离群点检测算法

提出了一种基于多示例学习（multi-instance learning,MIL）的局部离群点检测算法,称之为MIL-LOF（a local outlier factor based on multi-instance learning）．算法采用MIL框架,首先将真实对象提取为多示例形式,然后运用退化策略和权重调整方法,计算综合离群点因子,最后检测离群点．在实际企业监控数据以及公共数据集上将MIL-LOF与经典局部离群点检测算法及其优化算法进行了对比实验,结果表明本文提出的MIL-LOF算法在准确性、全面性及高效性上相对其他算法均可获得较为明显的提高．